数据仓库

一、数据仓库与数据库的

（1）数据库：存放定制数据，表是二维，一张表有多个字段。利用二维表表现多维关系。数据库是根据业务需求应用进行设计。

（2）数据仓库：是数据库概念上的升级，比数据库可以容纳更多的数据。逻辑上数据库与数据仓库无太大差别。 数据仓库是依照分析需求、分析维度、分析指标进行设计的。

二、数据仓库

（1）数据仓库特点

　　1、面向主题：比如购物是一个主题，那么购物里面包含用户、订单、支付、物流等数据综合，对这些数据要进行归类并分析。

　　2、数据集成：数据仓库的数据是从原有分散的数据库中的数据抽取而来的。需要做大量的数据清洗与数据整理的工作。

　　3、不可更新：数据仓库的数据主要是提供决策分析用，设计的数据主要是数据查询，一般情况下不做修改，这些数据反映的是一段较长时间内历史数据的内容。

　　4、 数据仓库的数据是随着时间变化而不断增加新的数据。

（2）数据仓库架构

　　1、 ODS层（临时存储层）：这些数据和源系统的数据是同构，

　　2、DW层（数据仓库层）：ODS层到DW层的ETL脚本会根据业务需求对数据进行清洗，对这层的数据要求是一致、准确、尽量建立数据的完整性。

　　3、DMP层（引用层）：数据集市层，这层数据是面向主题来组织数据的，从数据粒度来说，这层的数据是轻度汇总级的数据，提供报表数据。

（3）为什么要分ODS，DW，DMP层

　　1、 在未分层的情况下，数据之间的耦合性与业务耦合性是不可避免的，当源业务系统的业务规则发生变化时，可能影响整个数据的清洗过程。

　　2、数据分层简化了数据清洗的过程，每一层的逻辑变得更加简单和易于理解，当发生错误或规则变化时，只需要进行局部调整。

　　3、通过大量的预处理来提升应用系统查询速，数据仓库会冗余大量的数据，是典型的空间换时间的策略。